在人类生存的环境中,视觉是获取信息、认知世界的重要途径。计算机视觉的研究目标是使计算机能够通过二维图像认知三维环境,包括认知三维环境中物体的形状、位置、姿态和运动等,并能对他们进行描述、存储、识别和理解。计算机视觉技术广泛应用于各个方面,可以说,需要人类视觉的场合几乎都需要计算机视觉。立体视觉图像特征点的提取和匹配是计算机视觉领域中的一项关键技术,是近几年该领域备受关注的前沿方向和研究热点。特征点提取和匹配技术对人脸识别、三维重建和图像拼接等方面的研究具有重要的作用和意义。本文针对计算机视觉中特征点的提取和匹配技术做了较深入的理论研究和大量的实践工作。总结了有关特征点提取和匹配的基础知识,包括数字图像和特征点的概念、立体匹配原理、视差测距原理、匹配基元的选择、匹配约束条件以及对极几何的相关内容。详细介绍了四种基于灰度的特征点提取算法,并结合实验对各种算法进行分析和比较。重点研究了现阶段被广泛采用的SIFT特征点提取算法,并通过实验验证了该算法的准确性和有效性。在立体匹配方面,本文对传统的匹配算法进行了分类,重点介绍准稠密匹配算法,并针对该算法的缺点进行了两点改进,首先将卷积引入归一化互相关系数的计算以提高匹配的速度,其次利用可信系数实现自适应的搜索窗以提高匹配的精度。实验证明,经过改进的准稠密匹配算法在有效性和准确性上都有了很大的提高。